安装使用Qualcomm® Snapdragon™ Neural Processing Engine (NPE) SDK

本文介绍了如何开始使用Qualcomm®Snapdragon™神经处理引擎（NPE）SDK。 从干净的Ubuntu安装开始，本教程旨在为您提供安装依赖性的步骤，设置SDK工具，下载并准备一些示例神经网络模型，最后构建可用于解决方案的示例Android APP 使用人工智能（AI）。

系统要求

我们建议在专用机器上执行以下操作，以更好地了解SDK依赖关系：
1. 安装Ubuntu 14.04（推荐），例如在虚拟机上。
2. 安装最新版本的Android Studio。
3. 安装最新的Android SDK，可以从Android Studio安装，或者独立安装。
4. 安装最新的Android NDK，可以从Android Studio SDK Manager中安装，或者独立安装。
5. 安装Caffe（安装说明，本SDK推荐的git修订版d8f79537）。

# this will build Caffe (and the pycaffe bindings) from source - see the official instructions for more informationsudo apt-get install cmake git libatlas-base-dev libboost-all-dev libgflags-dev libgoogle-glog-dev libhdf5-serial-dev libleveldb-dev liblmdb-dev libopencv-dev libprotobuf-dev libsnappy-dev protobuf-compiler python-dev python-numpygit clone https://github.com/BVLC/caffe.git ~/caffe; cd ~/caffe; git reset --hard d8f79537mkdir build; cd build; cmake ..; make all -j4; make install 

6. 可选：安装TensorFlow（推荐安装说明，版本1.0）。

# this will download and install TensorFlow in a virtual environment - see the official instructions for more informationsudo apt-get install python-pip python-dev python-virtualenvmkdir ~/tensorflow; virtualenv --system-site-packages ~/tensorflow; source ~/tensorflow/bin/activatepip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.0-cp27-none-linux_x86_64.whl 

设置SDK

此步骤允许Snapdragon NPE SDK通过python API与Caffe和Tensorflow框架进行通信。 要在Ubuntu 14.04上设置SDK，请按以下步骤操作：

1. 确保已安装Android NDK，Caffe（这里假定为~/caffe）和可选的TensorFlow（这里假定为~/tensorflow），然后继续。
2. 下载最新的Snapdragon NPE SDK。
3. 将.zip文件解包到适当的位置（这里假定在~/snpe-sdkfolder中）。
4. 安装缺少的系统包：

# install a few more SDK dependencies, then perform a comprehensive checksudo apt-get install python-dev python-matplotlib python-numpy python-protobuf python-scipy python-skimage python-sphinx wget zipsource ~/snpe-sdk/bin/dependencies.sh # verifies that all dependencies are installedsource ~/snpe-sdk/bin/check_python_depends.sh # verifies that the python dependencies are installed 

5. 在当前控制台上初始化Snapdragon NPE SDK环境; 在将来，为每个新的控制台重复此操作：

 # initialize the environment on the current consolecd ~/snpe-sdk/export ANDROID_NDK_ROOT=~/Android/Sdk/ndk-bundle # default location for Android Studio, replace with yourssource ./bin/envsetup.sh -c ~/caffesource ./bin/envsetup.sh -t ~/tensorflow # optional for this guide 

初始化将设置或更新$$SNPE_ROOT，$PATH，$LD_LIBRARY_PATH，$PYTHONPATH，$CAFFE_HOME，$TENSORFLOW_HOME，此外，它将在本地复制Android NDK libgnustl_shared.so库，并更新Android AAR存档。

下载MLModels并将其转换为.DLC

Snapdragon NPE SDK不捆绑可公开的模型文件，但包含用于下载一些流行模型并将其转换为深度学习容器（“DLC”）格式的脚本。 脚本位于/ models文件夹中，它还将包含DLC模型。

• 以Caffe格式下载并转换预先训练的Alexnet示例：

cd $SNPE_ROOTpython ./models/alexnet/scripts/setup_alexnet.py -a ./temp-assets-cache -d

提示：查看setup_alexnet.py脚本，该脚本执行到DLC的转换。 您可能会对您的Caffe模型转换执行相同的操作。

• 可选：以Tensorflow格式下载并转换预训练的“inception_v3”示例：

cd $SNPE_ROOTpython ./models/inception_v3/scripts/setup_inceptionv3.py -a ./temp-assets-cache -d

提示：看一下setup_inceptionv3.py脚本，它也对模型进行了量化，缩小了75％（91MB→23MB）。

构建示例Android APP

Android APP结合了Snapdragon NPE运行时（由/android/snpe-release.aar Android库提供）和上述Caffe Alexnet示例生成的DLC模型。

1. 通过复制运行时和模型来准备APP

cd $SNPE_ROOT/examples/android/image-classifierscp ../../../android/snpe-release.aar ./app/libs # copies the NPE runtime librarybash ./setup_models.sh # packages the Alexnet example (DLC, labels, imputs) as an Android resource file 

2.选项A：从Android studio构建Android APK：

1.启动Android Studio。2.在~/snpe-sdk/examples/android/image-classifiers文件夹中打开项目。3.如果提供，接受Android Studio建议来升级构建系统组件。4.按“运行应用程序”按钮构建并运行APK。

3.选项B：从命令行构建Android APK：

sudo apt-get install libc6:i386 libncurses5:i386 libstdc++6:i386 lib32z1libbz2-1.0:i386 # Android SDK build dependencies on ubuntu./gradlew assembleDebug # build the APK 

上面的命令可能需要将ANDROID_HOME和JAVA_HOME设置为系统中的Android SDK和JRE/JDK的位置。

下一步是什么？

恭喜，您刚刚使用Snapdragon NPE SDK向您发布了第一个应用程序。 现在是开始创建自己的AI解决方案的时候了！

示例Android APP的源代码演示了如何正确使用SDK。 ClassifyImageTask.java是开始学习的好起点。 API文档，教程和架构详细信息可以在SDK中附带的文档中找到。 将浏览器指向/doc/html/index.html开始学习。 有关常见问题的答案可以在论坛中找到，在那里您还可以与我们的专家讨论“API”。